在识别机器人辅助手术中的保险索赔代码的敏感性

科学领域:

• 医疗保健信息学是一种医疗信息学.
• 手术成果研究的研究结果.
• 医疗服务研究 医疗服务研究

背景情况:

• 保险公司生成的数据库对于研究机器人辅助手术 (RAS) 结果至关重要.
• 在这些数据库中不一致使用索赔代码可能导致错误分类和偏见的研究结果.

研究的目的:

• 评估保险索赔代码对识别RAS的敏感性.
• 为了评估RAS结果研究中的错误分类偏差.
• 检查不同医疗保健数据源中发现的概括性.

主要方法:

• 一项回顾性队列研究将仅要求的定义与参考定义进行了比较,其中包括RAS识别 (2018-2023) 的自由文本计费数据.
• 使用了两个美国数据集 (Premier Healthcare数据库和MerativeTM),评估了住院和门诊机构的七种常见程序.
• 错误分类偏差评估了手术时间,停留时间,转换为开放手术和手术部位感染.

主要成果:

• 在Premier医疗保健数据库中,RAS的仅索赔识别灵敏度为0.578.
• 对于住院手术的敏感度很高,但对于门诊手术的敏感度非常低 (到2021年<0.5).
• 只有权利要求的定义经常导致门诊程序的偏见效果估计,并且RAS率在数据集之间有所不同.

结论:

• 保险索赔数据用于识别RAS的敏感性是可变的,取决于程序,设置和时间.
• 低灵敏度导致严重的错误分类偏差,影响了对外科手术方式和患者结果的分析准确性.